- Страна
- Россия
Откликайтесь
на вакансии с ИИ
DevOps / MLOps (Solution Architect)
Оценка ИИИнтересный проект в сфере ИИ с современным стеком технологий (LLM, Kubernetes, Cloud). Однако отсутствие информации о зарплате и строгий отбор (только один кандидат) снижают общую привлекательность.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания навыков DevOps и глубокой экспертизы в MLOps, включая работу с LLM и векторными БД. Дополнительная сложность заключается в необходимости выполнять функции Solution Architect и защищать решения на комитетах.
Анализ зарплаты
Оценка ИИВ вакансии не указан уровень компенсации. На рынке РФ и РБ для специалистов уровня Senior MLOps/Architect вилка обычно составляет от 350 000 до 550 000 рублей в зависимости от глубины экспертизы в LLM и архитектурных навыков.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте свое резюме, чтобы стать ключевым архитектором MLOps-платформы в масштабном проекте Офиса ИИ!
Описание вакансии
ID 2915
Проект: Офис ИИ
Локация РБ и РФ
Команда: МБ. Развитие DATA AI
*🌺**🌺*DevOps / MLOps"
Компетенция Solution Architect
*❗️Заказчику будет направлен только один специалист.❗️*
Мы ищем опытного DevOps/MLOps инженера/Архитектора внедрения ML-решений для работы над инфраструктурой и развертыванием ML-решений.
Обязанности:
- Настройка и поддержка инфраструктуры для ML-решений в продакшене с высокой нагрузкой;
- Развертывание и эксплуатация ML-моделей;
- Автоматизация CI/CD процессов;
- Мониторинг и оптимизация инфраструктуры.
- Проведение оценки технических рисков на этапах проектирования информационных систем.
- Формирование и анализ проектной, нормативной и технической документации, включая задания, регламенты, стандарты, нормы, правила,
инструкции и спецификации.
- Проектирование и внедрение MLOps платформы
- Оценка технических рисков проектирования информационных
систем.
- Знакомство с Grafana и Prometheus, elk;
- Опыт проектирования, развертывания и эксплуатации ML-решений в продакшене.
- Опыт развертывания и эксплуатации LLM-моделей;
- Знание и опыт работы с NGINX;
- Опыт работы с облачными провайдерами (AWS, Azure, Yandex Cloud);
- Уверенное владение Docker и Kubernetes;
- Опыт работы с реляционными и NoSQL базами данных (Postgres, Oracle, Redis);
- Знание Apache Airflow;
- Опыт настройки CI/CD в Gitlab;
Будет плюсом:
- Опыт работы с векторными базами данных (Qdrant, Milvus);
- Опыт работы с API; Знакомство с MLflow. Знакомство с Kubeflow.
- Знание и умение представлять платформенные решения, отстаивать позицию и защищать на комитетах.
Задачи:
- Настройка и поддержка инфраструктуры для ML-решений в продакшене с высокой нагрузкой;
- Развертывание и эксплуатация ML-моделей;
- Автоматизация CI/CD процессов;
- Мониторинг и оптимизация инфраструктуры.
- Проведение оценки технических рисков на этапах проектирования информационных систем.
- Формирование и анализ проектной, нормативной и технической документации, включая задания, регламенты, стандарты, нормы, правила,
инструкции и спецификации.
- Проектирование и внедрение MLOps платформы
- Оценка технических рисков проектирования информационных
систем.
Требования
Знание и опыт работы с NGINX; Опыт работы с облачными провайдерами (AWS, Azure, Yandex Cloud); Уверенное владение Docker и Kubernetes; Опыт работы с реляционными и NoSQL базами данных (Postgres, Oracle, Redis); Знание Apache Airflow; Опыт настройки CI/CD в Gitlab; Знакомство с Grafana и Prometheus, elk; Опыт проектирования, развертывания и эксплуатации ML-решений в продакшене. Опыт развертывания и эксплуатации LLM-моделей; Будет плюсом: Опыт работы с векторными базами данных (Qdrant, Milvus); Опыт работы с API; Знакомство с MLflow. Знакомство с Kubeflow. Знание и умение представлять платформенные решения, отстаивать позицию и защищать на комитетах.
*📩 Телеграм для связи:* Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- AWS
- Azure
- LLM
- Kubernetes
- Prometheus
- Grafana
- PostgreSQL
- MLOps
- DevOps
- Redis
- Docker
- Kubeflow
- MLflow
- Apache Airflow
- Oracle
- GitLab CI/CD
- ELK stack
- Nginx
- Milvus
- Qdrant
- Yandex Cloud
Возможные вопросы на собеседовании
Вакансия подразумевает работу с высоконагруженными ML-решениями.
Расскажите о вашем опыте масштабирования ML-моделей в Kubernetes: с какими проблемами производительности вы сталкивались?
В требованиях указан опыт работы с LLM.
Какие специфические требования к инфраструктуре возникают при развертывании и эксплуатации Large Language Models (LLM)?
Позиция требует компетенций Solution Architect.
Опишите процесс оценки технических рисков при проектировании новой MLOps платформы. На что вы обращаете внимание в первую очередь?
Упоминается работа с Airflow и CI/CD.
Как вы организуете пайплайн доставки ML-модели от этапа обучения до продакшена с использованием GitLab CI и Airflow?
В требованиях указаны векторные базы данных.
В каких случаях вы бы рекомендовали использовать векторные БД (например, Milvus или Qdrant) и как они интегрируются в общую архитектуру ML-решения?
Похожие вакансии
Senior DevOps
Devops инженер
Главный эксперт сопровождения / Инженер сопровождения информационных систем
Инженер DevOps
Senior DevOps инженер
Infrastructure Engineer
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!